[发明专利]一种自适应的核聚类图像分割方法

摘要

本发明公开了一种自适应的核聚类图像分割方法，将粒子群、模糊聚类及粒度有效性函数相结合，给出无监督的灰度图像分割方法。根据图像各区域之间的特征差异特征，利用聚类将图像中具有相同特征或者相似性在一定范围内的区域对应到聚类处理的其中一个类中，完成图像分割过程。本发明利用混沌粒子最为聚类的初始中心，降低分割结果对初始聚类中心的选择的敏感性，减少算法陷入局部收敛的可能性。在模糊聚类过程中，利用图像的灰度级代替图像像素点的灰度值作为聚类的样本集，加快了图像分割的速度；在聚类的过程中，动态地计算聚类的有效性函数，选择最佳的聚类数目，避免了人工指定聚类数目的主观性。

主权项

一种自适应的核聚类图像分割方法，其特征在于：包括如下步骤：步骤一：利用图像样本灰度值对聚类粒子群进行初始化；将图像各像素的灰度值x_k映射到区间[0,1]上作为迭代的初值y_k，0，利用迭代公式y_k,(h+1)＝μy_k，h(1‑y_k，h)得到序列y_k＝[y_k，0，y_k，1，y_k，2，….y_k，s]；从而得到粒子群最优位置的初始值为$g_{k,h}^0=x_{\min }+(x_{\max }-x_{\min })y_{k,h};$步骤二：利用图像的灰度级以及初始化的粒子群进行聚类；2a、计算隶属矩阵$u_{\mathrm{ik}}^{(t+1)}={\left[\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\left(\frac{d_{\mathrm{ik}}(k,{\mathrm{\θ}}_i^{\left(t\right)})}{d_{\mathrm{ik}}(k,{\mathrm{\θ}}_m^{\left(t\right)})}\right)}^{\frac{1}{t}}\right]}^{-1}$计算聚类中心${\mathrm{\θ}}_i^{(t+1)}=\frac{{\mathrm{\Σ}}_{l=0}^{L-1}{u}_{\mathrm{il}}^{(t+1)}H\left(l\right)l}{{\mathrm{\Σ}}_{l=0}^{L-1}{u}_{\mathrm{il}}^{(t+1)}H\left(l\right)}$H(l)表示具有灰度为l的像素数目；2b、计算目标函数$J^{(t+1)}(\mathrm{\θ},U)=\underset{l=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{u}_{\mathrm{il}}^{(t+1)}{d}_{\mathrm{il}}(l,{\mathrm{\θ}}_i^{(t+1)})H\left(l\right)$计算适应度$f\left(x_i\right)=\frac{1}{1+J^{(t+1)}(\mathrm{\θ},U)}$2c、若求得适应度的值比粒子当前的个体最优位置的适应度要好，则更新粒子个体最优位置p_i为：${p_i}^{(t+1)}=\frac{{\mathrm{\Σ}}_{k=1}^n{\left({u_{\mathrm{ik}}}^{(t+1)}\right)}^M{x}_k}{{\mathrm{\Σ}}_{k=1}^n{\left({u_{\mathrm{ik}}}^{(t+1)}\right)}^M}$其中p_i⁰＝x_i；更新整个粒子群组的最优位置：${g_i}^{(t+1)}=\frac{{\mathrm{\Σ}}_{k=1}^n{\left({u_{\mathrm{ik}}}^{(t+1)}\right)}^M{y}_k}{{\mathrm{\Σ}}_{k=1}^n{\left({u_{\mathrm{ik}}}^{(t+1)}\right)}^M}$2d、更新粒子位置为：$x_i^{t+1}=x_i^t+v_i^t$更新粒子的速度为：$v_i^{t+1}=\mathrm{\γ}(w\left(t\right)v_i^t+c_1{r}_1(p_i^t-x_i^t)+c_2{r}_2(g_i^t-x_i^t))$其中r₁和r₂是两个在[0，1]范围内的随机数；步骤三：利用聚类有效性函数评价聚类效果，确定聚类数目；聚类有效性函数为：$\mathrm{GD}\left(c\right)=\mathrm{\αCd}\left(c\right)+(1-\mathrm{\α})\frac{1}{\mathrm{Sd}\left(c\right)}$其中Cd(c)为信息粒耦合度、Sd(c)为信息分离度函数；最优分割聚类数目取c₀满足公式：$\arg \underset{c}{\min }\mathrm{GD}\left(c\right):=\left\{c_0\right|\∀c:\mathrm{GD}\left(c\right)\≥\mathrm{GD}\left(c_0\right)\}$